多通道图像噪声特征的盲评估
1. 引言
高分辨率和大面积覆盖能力使得遥感技术在农业、林业、环境监测、水文学、海洋学、地质学、测绘、地下探测、气象学等众多领域得到了广泛应用。遥感系统类型多样，可根据使用的光谱范围、辐射探测器类型或探测方法（主动或被动）进行分类，还可分为星载和机载遥感系统。然而，无论采用何种遥感系统，所获取的图像普遍存在噪声和失真问题，这不仅会降低图像的视觉质量，还会影响图像处理的结果。
在图像压缩、分类、边缘和目标检测等不同的图像处理阶段，都需要考虑噪声的特征。在某些情况下，可使用特殊滤波器预先抑制噪声，但要选择合适的滤波器并调整其参数，就必须了解噪声的一些统计特征。对于实际系统而言，由于噪声特征受大量随机因素影响，往往难以事先预测，因此通常需采用特殊的盲（自动）方法直接从处理的图像中提取噪声特征信息。
盲评估噪声参数的任务存在一些难点。一方面，噪声结构复杂，包含信号独立和信号相关成分，且后者占主导；另一方面，噪声在很大程度上可能存在空间相关性。尽管目前已设计出大量盲评估噪声参数的方法，但没有一种方法能在所有实际情况下都提供可接受的估计精度和性能。因此，开发新方法和改进现有解决方案仍具有重要意义。
2. 噪声模型与精度标准
遥感图像可通过以下简化模型描述：
[g(m, l) = n_{sd}(m, l; s(m, l)) + n_{a}(m, l)]
其中，(s(m, l)) 是原始（无噪声）图像；(n_{a}(m, l)) 是均值为零、方差为 (\sigma_{a}^{2}) 的正态分布加性噪声；(n_{sd}(m, l)) 是描述信号相关噪声影响的函数。
根据所使用的成像系统，
